誘人的Siri 開啟人機交互的大門

Siri，蘋果新發布的手機 iPhone 4S 的語音助手功能，正在成為大家熱議的話題，而我們預言，它極有可能開啟個人電腦類產品應用的新篇章，人機交互將真正進入大家的生活。

智慧誘人的 Siri 帶來人機交互熱

一場并不那么精彩的發布會，蘋果的 iPhone 4S 發布了。大家對 iPhone 4S 在硬件端缺乏創新很失望。不過，敏銳的我們發現了 Siri 這一功能，這個基于語音交互的助手功能將成為 iPhone 4S 的最大賣點。

事情的發展正如我們預料的那樣，現在，Siri 語音助手已經成為全球熱議的話題，iPhone 4S 熱賣，而且用戶發現 Siri 能夠幫助我們通過語音輕松完成很多事情，比如：閱讀并回復短信、介紹餐廳（位置、名稱）、詢問天氣、設置鬧鐘、查看日程等。

不過大家更著迷于她的神奇：買 iPhone 4S 后用戶都沖著 Siri 那優美的女聲提出各種稀奇古怪的問題來看她的反應。這些問題甚至包括了“你穿的什么衣服”，“生命的意義是什么”，甚至有不少人沖著她嚷嚷“我愛你”。讓人驚嘆的是，Siri 完全理解這些問題，且懂得如何婉轉而詼諧地回答，且知道如何在法律范疇內引導大家的行為。針對前面兩個問題，她的回答是“你怎么總是要問我這個呢”；“生命：一種原則或力量，被認為是獨特動態存在的基礎。我想我也算是一種生命”。而對于“我愛你”之類的告白，Siri 則會說“我希望你不會對別的手機也這樣說”。她甚至能夠對連續性的問題給出符合人類邏輯的不同回答。有人連續向 Siri“求婚”三次，第一次 Siri 回答：“聽起來很甜蜜，不過我還有什么可以幫你的嗎？”第二次回答：“讓我們只做朋友，好嗎？”第三次 Siri 干脆攤牌了：“我的用戶協議沒有包括和你結婚，我很抱歉。”

很顯然，Siri 是智慧的，智慧得令人驚嘆、智慧得誘惑，智慧得令人愛。難怪在 iPhone 4S 熱銷缺貨的同時，黑客都在致力于將智慧且誘人的 Siri 移植到其他 iOS 設備上。視頻網站上，關于 Siri 問答的視頻也被瘋狂點擊。而大量開發類似軟件的廠商，也在近期跳出來表示他們的軟件也很好……

一場人機交互熱正在到來！

Siri 現在成了最熱門的應用，事實上，它正在引領人機交互的大潮

Siri 背后的技術

Siri 的神奇和強大，是如何實現的？有人說她的背后是“印度云”，用戶在語音提問時，iPhone 4S 就偷偷接通了遠在印度的 CALL CENTER（呼叫中心），那邊的印度工程師瘋狂地打字回答，iPhone 4S 端再轉換為語音回給用戶——當然，這只是個玩笑。

Siri 的背后，其實是眾多技術的結合，總體來看是兩大類：人工智能和云計算。如果非要綜合描述成一個概念，則是“計算技術”，而這一計算技術又是很多類技術整合而成的。下面，我們來對 Siri 進行一個大概的技術分拆（目的是讓大家理解分類的技術，Siri 的每個部分不一定就是采用的下文所舉例的技術）。

首先，在前端（面向用戶）的，是用戶交互技術（從表象來看，也就是我們平時所說的人機交互），主要是語音識別及語音合成技術。語音識別技術把用戶的口語轉化成文字，其中需要強大的語音知識庫，因此需要用到云計算。而語音合成則是把返回的文字結果重新轉化成語音輸出，這一步理論上本地就能完成。

其次是后臺技術，這才是重角兒。這些技術的目的就是處理用戶的請求，并返回最匹配的結果。因為請求類型超多，且千奇百怪，要處理好可不簡單。基本的結構可能是分析用戶的輸入（已轉化為文本），根據輸入類型，分別采用對應的后臺進行處理。這些對應的后臺包括：①以 Google 為代表的網頁搜索技術；②以 Wolfram Alpha 為代表的知識搜索技術（或知識計算技術，百度框計算與之有些類似）；③以維基百科為代表的知識庫技術（包括其他百科，如電影百科等）；④以 Yelp（可以理解為國外的大眾點評網）為代表的問答以及推薦技術。當然，未來也許還會有更多的后臺技術。

例如，當你詢問某個酒店在哪里時，Google 的網頁搜索和地圖搜索就會派上用場；當你要詢問 NVIDIA 是什么時，維基百科的信息就會被直接調用；而你要了解附近哪些餐館各自有什么特色時，谷歌和 Yelp 就會同時起作用。

總體來說，Siri 不是某一種獨立的技術，而是將若干現有技術進行了整合。這些技術并非革命性的，但當它們整合后，在用戶面前就展現出了神奇的一面。

語音人機交互的技術模型

為什么是手機

如果你比較喜歡研究各種計算技術，以上技術你應該不會陌生。說白了，很多人都或多或少地用過以上提到的技術，只是因為停留在應用層面，沒有把它們技術化罷了。無論是語音識別、語音合成，還是各種后臺計算技術，其實 PC 上都有。那么，為什么它在智能手機上一炮而紅？

整合，是一個原因，也是很重要的原因。在目前的科技公司中，對技術分類得非常詳盡，每個公司都在某一個領域鉆研得非常深，但想到要把它們整合起來的公司并不多。Siri 做到了，喬布斯看到了，并把它收購了，專為自己所用（再次贊一下已逝去的喬布斯的眼力）。

另外，“給出回應”也是重要原因。其實語音識別并進行相應的動作，這一點很多廠商都在做，也有很多產品。例如桌面 Windows 系統和 Windows Phone 系統上就有語音控制和語音搜索功能。但是它缺乏智能的語言反饋，更沒有想到要把這種反饋合成為誘人的人聲來回應用戶——這兩點中，語音合成技術不算難，但很多廠商都沒想到。

最后，也是最關鍵的原因：智能手機是隨身攜帶的。它的硬件雖然已經“PC 化”，比較強大，但輸入依舊是個麻煩事兒，而基于語音的交互恰好是最理想的解決方案。另外，智能手機還有很多 PC 不具備的特性：例如地理位置定位、聯系人列表、人們總是通過它在移動中解決問題。這些，也都為語音交互提供了更多更豐富的功能點。這一切因素的整合，促成了 Siri，也促成了她在智能手機上的一炮而紅。

不只是手機：從 PC 中來到 PC 中去

有一點是不言而喻的，隨著 Siri 的出現，下一波智能手機的應用熱潮肯定是人機交互應用了。《會說話的湯姆貓》這類變聲軟件將迅速淪為小兒科（其實它本來也是小兒科）。會有越來越多的“Siri”涌現。

實際上正如前文所述，目前黑客們已經在忙著將 Siri 移植到其他 iOS 系統移動設備上，例如 iPad，但目前能夠完成移植，Siri 卻還無法連接服務器（云端），也就是說基本不可用。但我們相信，這種應用一旦出現，就會有大量的開發商蜂擁而至。在 Android 上、在 Windows Phone 上，也會涌現類似的應用。事實上我們有理由相信，具備人機交互功能的語音助手將成為未來智能手機能否成功占領市場的關鍵點之一。

不過，我們認為 Siri 開啟的，不僅僅是手機應用的新篇章，而是整個 PC 應用的新篇章（其實，智能手機也算是 PC——個人電腦的一種形態）。未來，在平板上，在上網本上，在 Ultrabook 上，在傳統筆記本上，在一體機和臺式機上，甚至在工作站上，基于語音的人機交互系統將大放異彩。

這樣說是有根據的，首先，在微軟全新的手機操作系統 Windows Phone 上，已經有了語音控制。而 Windows 8 和 Windows Phone 8 的統一，也會讓語音控制更加普及。而且，在 PC 端長期以老大自居的微軟肯定不會坐視蘋果借 Siri 霸占手機市場，肯定會對現有的語音控制進行改良做到人機交互。在未來的 Win8 和 Windows Phone 8 上，語音人機交互是完全有可能出現的。

而且，前面說了，Siri 整合的技術，實際上是各種現有的，基于 PC 開發的技術，每個獨立的技術都在 PC 端有獨立的應用。Google 的搜索大家都異常熟悉了；維基百科、百度百科用過的人也不在少數；大眾點評這類網站也是非常熱的。語音控制電腦操作也已相當成熟（見注解1），只是由于缺乏足夠的吸引力和宣傳，用者寥寥罷了。只要做好自然語言的識別和理解，加上云端的自然語言知識搜索系統，以及語音合成回饋技術，這些來自于 PC，經整合后在智能手機上大放異彩的技術，完全可以再回到 PC 中，在性能強大得多的 PC 上扮演更具誘惑力的個人語音助手，甚至是“商務助手”、“辦公助手”、“專業設計助手”等各種角色。我們甚至可以期待數字家電成型后，通過語音助手控制電腦，進一步完成對所有家電的控制。想遠點，或許幾年后，我會對著電腦說：請幫我關閉家里的電視，另外繳納上兩個月的電費，同時預訂下午2點使用會議室，另外在下午5點30分給家里打電話告訴家人我加班不回家吃飯，并在最近的必勝客幫我訂一塊肉香滿溢披薩上門”。我的電腦就會聯合手機，完成我所有的安排，并自動詢問我披薩送上門的時間，還自動將繳費發票信息提交到我的電腦屏幕上……

一場關于個人電腦應用革命的大門正在被開啟！這一切令我們激動！我們無比期待！

Windows 上其實也有非常成熟的語音控制系統，不過智能的人機交流是它匱乏的，但未來前景會很驚人

注解1：

目前 PC 上的語音控制操作已相當成熟，包括中文在內的語音識別也已很不錯。Win7自帶語音控制（叫作“語音識別”），你只要在稍微安靜點的地方經過20分鐘左右的“適應訓練”，基本上 Win7 上的絕大部分操作都可以用語音進行控制，包括專業軟件操作。

其實很多操控通過語音的確非常快捷，比如平時我們要開啟計算器、寫字板、記事本等小軟件是很麻煩的，而通過語音控制，你只需說出“開啟 XXX”即可打開對應軟件，且可進行語音輸入。

關于語音人機交互的熱點問題解答

1、Siri 是專門給蘋果 iPhone 4S 準備的嗎？Android 系統上有嗎？

Siri 本來是 App Store 上的一個應用，不過前期被喬布斯相中了，買了下來，現在專屬于蘋果的 iPhone 4S。我們相信未來會植入新款 iPhone 甚至 iPad 中，但 Android 系統上……恐怕有點難了。

2、Siri 能夠聽得懂并會說漢語嗎？

這小妞目前只會英語、法語和德語，不過蘋果公司已經承諾，會在2012年推出支持漢語、日語、韓語、意大利語及西班牙語的 Siri。

3、還有哪些操作系統或者說產品上有語音助手這種好玩的東東呢？

你的電腦的 Windows 上就有，Win7上的“語音識別”就比較好用。另外 Windows Phone 7 上也有語音控制功能，比如你可以詢問手機某個地方怎么走。不過，這些應用都不會給你幽默有趣的語音反饋，說簡單點就是：只會照著你說的做，不會智能地和你聊天。

Andorid 系統上有兩個軟件倒是值得關注：Vlingo 和 Speaktoit。總體來說，Vlingo 和 PC 上的語音識別相差不多，只能算是執行命令的“機器”，而 Speaktoit 則非常智能，比較類似于 Siri，能夠和你智能對話，只是沒有 Siri 那么“幽默”。

WP7上的語音控制基本就是“我說你照做”，不過相信微軟對 Siri 不會視而不見的，肯定會進行改進

Android 系統上的 Speaktoit 和 Siri 有一拼

4、那么智慧的 Siri 和 Speaktoit 是不是能回答我的所有問題呢？

她們足以讓你感到吃驚了，但并非能夠給你所有的問題予你想要的回答。當然，我這么說了也沒用，你肯定還是會問她們各種問題的^__^。自己試試看吧。


來自: 電腦報